DataWorks:调度依赖解析

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
大数据开发治理平台DataWorks,Serverless资源组抵扣包300CU*H
简介: 自动解析:无需知道该表是从哪个节点产出的,自动解析后我能拿到该表最新的数据。 正确理解运用自动解析可节约大部分开发时间,并能保障数据的完整性和实时性。

在DataWorks使用上,我们通过代码自动解析+设置节点依赖关系配置节点依赖,通过上下游关系正常及节点运行状态来保障业务数据的顺序产出。

设置节点依赖关系的目的在于,检测我们sql里面所查询的表的数据是几点产出的,我们通过节点的状态成功默认上游数据数据顺利产出。


本文所说的是依赖同周期任务的情况

(如果需要依赖上游节点上一周期请选择依赖上一周期。

查看上游的数据写入和读取的分区是不是本节点想要的,需要在运维中心的周期实例看上游节点和本节点的调度参数替换的情况以及sql里面参数替换的情况。

后期详述上述场景。


自动解析原理

select 一张表会将自动解析作为本节点依赖的上游。

insert一张表,该表会自动解析作为本节点的输出。

cd09772bdc59d83e0460f06bc7e28dc9ec3e8d9e 

依赖关系原理

上游节点的本节点输出作为下游节点的本节点输入。

5a31d69e4a83e948199f3ca2b0ecafc971f19d82         

通过自动解析原理+依赖关系原理我们带入实际场景看报错:

现象:依赖的上游没有解析到父节点id,提交报错。

现象说明该报错并不是指该表不存在,只是在说明该表不是某个节点的本节点输出,无法通过这个表去找到产出这个表数据的节点,从而与这个节点挂上依赖。

我们通过上游节点的本节点输出作为下游节点的本节点输入,根据上面自动解析的原理可知,我在sql中查询了xc_demo_partition这个表这个,但是自动解析的时候没有通过这个表找到上游节点,说明没有一个节点将这个表xc_demo_partition作为本节点输出。

d7a2dd3a9e75518e33e6d81a4a794a72d1326bb0  

解决方案:

一、找到产出该表的节点任务,查看该节点任务的本节点输出是什么。

如果没有不清楚那个节点里面有操作这个表,我们可以使用代码搜索功能通过关键字进行模糊查找。

af9110ae4669697b91b578dc84840c754cee24d7 

二、如果是本地上传的表数据或者不需要依赖该节点可以选择在代码区右键-删除输入。

请注意:删除输入后请重新保存再自动解析输入输出。

--@extra_input=表名 --添加输入
--@extra_output=表名 --添加输出
--@exclude_input=表名 --删除输入
--@exclude_output=表名 --删除输出

b8a2163f2e8d03ee85ff5fe19d12ed3688edc1d2


删除输入的影响:若你本节点依赖了一张表的数据,但是这个表并没有作为本节点的上游 在没有做依赖的情况下可能导致本节点去拿上游表数据的时候上游表数据还没产出,导致本节点取数出现问题。


删除输出的影响:本节点往某张表写入数据,但是该节点没有将这个表作为本节点输出,那下游去取该表数据并且自动解析将这个表作为上游了,他提交会报错(如本案例中的错),那是因为自动解析的时候通过该表没有找到产出该表数据的上游节点。影响自动解析的效果。


为保证代码血缘的准确性,请减少使用自定义依赖的次数。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
一站式大数据开发治理平台DataWorks初级课程
DataWorks 从 2009 年开始,十ー年里一直支持阿里巴巴集团内部数据中台的建设,2019 年双 11 稳定支撑每日千万级的任务调度。每天阿里巴巴内部有数万名数据和算法工程师正在使用DataWorks,承了阿里巴巴 99%的据业务构建。本课程主要介绍了阿里巴巴大数据技术发展历程与 DataWorks 几大模块的基本能力。 课程目标  通过讲师的详细讲解与实际演示,学员可以一边学习一边进行实际操作,可以深入了解DataWorks各大模块的使用方式和具体功能,让学员对DataWorks数据集成、开发、分析、运维、安全、治理等方面有深刻的了解,加深对阿里云大数据产品体系的理解与认识。 适合人群  企业数据仓库开发人员  大数据平台开发人员  数据分析师  大数据运维人员  对于大数据平台、数据中台产品感兴趣的开发者
目录
相关文章
|
4天前
|
存储 安全 Linux
Golang的GMP调度模型与源码解析
【11月更文挑战第11天】GMP 调度模型是 Go 语言运行时系统的核心部分,用于高效管理和调度大量协程(goroutine)。它通过少量的操作系统线程(M)和逻辑处理器(P)来调度大量的轻量级协程(G),从而实现高性能的并发处理。GMP 模型通过本地队列和全局队列来减少锁竞争,提高调度效率。在 Go 源码中,`runtime.h` 文件定义了关键数据结构,`schedule()` 和 `findrunnable()` 函数实现了核心调度逻辑。通过深入研究 GMP 模型,可以更好地理解 Go 语言的并发机制。
|
13天前
|
算法 Linux 定位技术
Linux内核中的进程调度算法解析####
【10月更文挑战第29天】 本文深入剖析了Linux操作系统的心脏——内核中至关重要的组成部分之一,即进程调度机制。不同于传统的摘要概述,我们将通过一段引人入胜的故事线来揭开进程调度算法的神秘面纱,展现其背后的精妙设计与复杂逻辑,让读者仿佛跟随一位虚拟的“进程侦探”,一步步探索Linux如何高效、公平地管理众多进程,确保系统资源的最优分配与利用。 ####
46 4
|
14天前
|
缓存 负载均衡 算法
Linux内核中的进程调度算法解析####
本文深入探讨了Linux操作系统核心组件之一——进程调度器,着重分析了其采用的CFS(完全公平调度器)算法。不同于传统摘要对研究背景、方法、结果和结论的概述,本文摘要将直接揭示CFS算法的核心优势及其在现代多核处理器环境下如何实现高效、公平的资源分配,同时简要提及该算法如何优化系统响应时间和吞吐量,为读者快速构建对Linux进程调度机制的认知框架。 ####
|
2月前
|
算法 调度
操作系统的心脏:深入解析进程调度算法
本文旨在深入探讨现代操作系统中的核心功能之一——进程调度。进程调度算法是操作系统用于分配CPU时间片给各个进程的机制,以确保系统资源的高效利用和公平分配。本文将详细介绍几种主要的进程调度算法,包括先来先服务(FCFS)、短作业优先(SJF)、时间片轮转(RR)以及优先级调度(PS)。我们将分析每种算法的基本原理、优缺点及其适用场景。同时,本文还将讨论多级反馈队列(MFQ)调度算法,并探讨这些算法在实际应用中的表现及未来发展趋势。通过深入解析这些内容,希望能够为读者提供对操作系统进程调度机制的全面理解。
|
3月前
|
SQL DataWorks 安全
DataWorks产品使用合集之如何实现分钟级调度
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
3月前
|
SQL DataWorks 安全
DataWorks产品使用合集之调度资源组与集成资源内部的实例如何进行共用
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
3月前
|
分布式计算 DataWorks 安全
DataWorks产品使用合集之任务自依赖该如何设置
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
DataWorks产品使用合集之任务自依赖该如何设置
|
3月前
|
Java 测试技术 数据库
容器镜像解析问题之解析 Java 应用依赖时识别 jar 包如何解决
容器镜像解析问题之解析 Java 应用依赖时识别 jar 包如何解决
27 0
|
3月前
|
分布式计算 DataWorks 安全
DataWorks产品使用合集之调度任务时怎么指定时间函数格式
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
3月前
|
DataWorks Kubernetes 大数据
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决

热门文章

最新文章

推荐镜像

更多